S'abonner

CS02-02 - Prediction of therapeutic outcome in treatment resistant depression - 13/06/12

Doi : 10.1016/S0924-9338(12)74063-4 
M. Bares 1, 2, T. Novak 1, 2, C. Höschl 1, 2
1 Prague Psychiatric Center, 3rd Medical Faculty, Charles University Prague, Prague, Czech Republic 
2 The Department of Psychiatry and Medical Psychology, 3rd Medical Faculty, Charles University Prague, Prague, Czech Republic 

Résumé

Treatment resistant depression (TRD) is relatively common condition and represents significant public health problem. Applying usual definitions of response it affects 20–30% of depressive patients and this proportion rises up to 60% if remission is used as a criterion [1]. One of ways to improve the therapeutic outcome in depression is to identify patients who are more likely to benefit from treatment, i.e. to predict the treatment response [3]. There are many reports suggesting either biological or psychological predictors of response, but many of them are good only to inspire future studies. The requirements for “clinical” predictors are in fact more stringent. Positive and negative predictive values, cost and availability of used predictive tests as well as easy measure qualify factors associated with treatment outcome as useful clinical predictors. There are many methodological issues that must be taken into account in looking for predictors, such as an outcome definition, time frame, definition of patientś population (subtype of depression), medication adherence, sample size, adequacy of treatment etc. Several key predictors of treatment outcome have been identified and replicated in previous studies, including depression severity, subtype of depression, early improvement of depressive symptoms, baseline cholesterol plasma level, psychomotor slowing, theta cordance and other QEEG predictors, anterior cingulate metabolism, 5-HTT polymorphism etc.[2]. Herewith we briefly review recent studies on treatment prediction in patients with resistant depression and contribute to this topic with our own results (cordance, early improvement of depressive symptoms, etc.).Despite of intensive research in this field there is a lack of studies that would prospectively validate the predictive ability of identified predictors. Another goal of future research would be to integrate current concepts of prediction (neurophysiological, clinical, genetic, neuroimaging findings) in order to improve its validity for clinical outcome.

Le texte complet de cet article est disponible en PDF.

© 2012  Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 27 - N° S1

P. 1 - 2012 Retour au numéro
Article précédent Article précédent
  • CS02-01 - European program for treatment resistant depression (TRD)
  • S. Kasper
| Article suivant Article suivant
  • CS03-01 - Environmental epigenomics in psychiatry
  • M. Szyf

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.